Introduction

Objectifs

Ce livre contient l’ensemble du matériel (contenus, exemples, exercices…) nécessaire à la réalisation des travaux pratiques de Biométrie de l’EC ‘Outils pour l’étude et la compréhension du vivant 2’ du semestre 3 de la licence Sciences de la Vie de La Rochelle Université.

Les 4 grands chapitres de ce livre correspondent aux 3 objectifs principaux de ces séances de TP :

Vous faire découvrir les logiciels R et Rstudio (chapitres 1 R et RStudio : les bases et 2 Explorez votre premier jeu de données) dans lesquels vous allez passer beaucoup de temps en licence puis en master. Si vous choisissez une spécialité de master qui implique de traiter des données (c’est-à-dire à peu près toutes les spécialités des Sciences de la Vie !) et/ou de communiquer des résultats d’analyses statistiques, alors R et RStudio devraient être les logiciels vers lesquels vous vous tournerez naturellement.
Vous apprendre à faire des graphiques de qualité dans RStudio et vous faire prendre conscience de l’importance des visualisations graphiques (chapitre 3 Visualiser des données avec ggplot2 : attention, ce chapitre est très long, ne vous laissez pas surprendre !) :

d’une part, pour explorer des données inconnues et vous faire une première idée des informations qu’elles contiennent,
d’autre part, pour vous permettre de formuler des hypothèses pertinentes et intéressantes concernant les systèmes que vous étudiez,
et enfin, pour communiquer efficacement vos trouvailles à un public qui ne connaît pas vos données aussi bien que vous (cela inclut évidemment vos enseignants à l’issue de vos stages).

Vous apprendre à manipuler efficacement des tableaux de données de grande taille (chapitre 4 Manipuler des tableaux avec dplyr). Cela signifie que vous devriez être en mesure de sélectionner des variables (colonnes) d’un tableau, d’en créer de nouvelles en modifiant et/ou combinant des variables existantes, de filtrer des lignes spécifiques, etc.

À l’issue de ces TP, vous devriez donc être suffisamment à l’aise avec le logiciel RStudio pour y importer des données issues de tableurs, les manipuler pour les mettre dans un format permettant les représentations graphiques, et pour produire des graphiques pertinents, adaptés aux données dont vous disposez, et d’une qualité vous permettant de les intégrer sans honte à vos comptes-rendus de TP et rapports de stages.

D’ailleurs, les données que vous serez amenés à traiter lors de vos stages, ou plus tard, lorsque vous serez en poste, ont souvent été acquises à grands frais, et au prix d’efforts importants. Il est donc de votre responsabilité d’en tirer le maximum. Et ça commence toujours (ou presque), par la manipulation de données dans RStudio et la réalisation de visualisations graphiques parlantes.

Important

À partir de maintenant, tous les comptes-rendus de TP que vous aurez à produire dans le cadre de la licence SV devront respecter les bonnes pratiques décrites dans ce document. En particulier, et sauf consigne contraire, les collègues de l’équipe pédagogique attendent que les graphiques que vous intégrerez à vos comptes-rendus de TP soient systématiquement produits dans RStudio.

Organisation

Volume de travail

Les travaux pratiques de biométrie auront tous lieu en MSI-217, entre le 7 septembre et le 20 novembre 2026. Chaque groupe aura 5 séances de TP de 90 minutes selon le calendrier suivant :

Groupe 1

11 sept, 09:45 - 11:15
22 sept, 08:00 - 09:30
09 oct, 09:45 - 11:15
06 nov, 09:45 - 11:15
20 nov, 09:45 - 11:15

Groupe 2

09 sept, 08:00 - 09:30
23 sept, 08:00 - 09:30
05 oct, 11:30 - 13:00
04 nov, 11:30 - 13:00
17 nov, 08:00 - 09:30

Groupe 3

08 sept, 16:45 - 18:15
22 sept, 16:45 - 18:15
06 oct, 16:45 - 18:15
03 nov, 16:45 - 18:15
18 nov, 09:45 - 11:15

Groupe 4

07 sept, 13:15 - 14:45
24 sept, 09:45 - 11:15
06 oct, 13:15 - 14:45
03 nov, 13:15 - 14:45
17 nov, 13:15 - 14:45

Groupe 5

11 sept, 08:00 - 09:30
25 sept, 08:00 - 09:30
09 oct, 08:00 - 09:30
06 nov, 08:00 - 09:30
20 nov, 08:00 - 09:30

Groupe 6

10 sept, 11:30 - 13:00
24 sept, 11:30 - 13:00
07 oct, 08:00 - 09:30
02 nov, 09:45 - 11:15
18 nov, 15:00 - 16:30

Groupe 7

07 sept, 08:00 - 09:30
21 sept, 08:00 - 09:30
05 oct, 08:00 - 09:30
02 nov, 08:00 - 09:30
16 nov, 08:00 - 09:30

Au total, chaque groupe aura donc 7h30 de TP. C’est très peu pour atteindre les objectifs fixés et il y aura donc évidemment du travail personnel à fournir en dehors de ces séances. Pour chaque TP prévu à l’emploi du temps, j’estime qu’environ trois heures de travail personnel sont nécessaires, soit 15 heures de travail personnel en plus des 7h30 prévues à votre emploi du temps. Selon votre niveau d’aisance, certains auront besoin de plus de temps, d’autres d’un peu moins, mais il est certain que vous devrez travailler en dehors des heures prévues à votre emploi du temps pour atteindre les objectifs fixés. Attention donc : pensez bien à prévoir du temps dans vos plannings en dehors des heures prévues dans vos EDT, car le travail personnel est essentiel pour progresser dans cette matière. J’insiste sur l’importance de faire l’effort dès maintenant : vous allez en effet avoir des enseignements qui reposent sur l’utilisation de ces logiciels à chaque semestre de la licence, du S3 au S6. C’est maintenant qu’il faut acquérir des automatismes pour ne pas être perdu plus tard.

Travaillez régulièrement !

J’insiste sur l’importance de travailler cette matière régulièrement. Vous devez vous y mettre dès maintenant et y consacrer quelques heures chaque semaine. Interrogez vos collègues de L3 qui ont eu cet enseignement l’an dernier : il y a beaucoup de temps à y passer et il est hélas facile de prendre et d’accumuler du retard…

Modalités d’enseignement

Pour suivre cet enseignement vous pourrez utiliser les ordinateurs de l’université, mais je ne peux que vous encourager à utiliser vos propres ordinateurs, sous Windows, Linux ou MacOS. Lors de vos futurs stages et pour rédiger vos comptes-rendus de TP, vous utiliserez le plus souvent vos propres ordinateurs, autant prendre dès aujourd’hui de bonnes habitudes en installant les logiciels dont vous aurez besoin tout au long de votre licence. Si vous ne possédez pas d’ordinateur, manifestez-vous rapidement auprès de moi, car des solutions existent (prêt par l’université, travail sur tablette via Posit cloud…).

Important

L’essentiel du contenu de cet enseignement peut être abordé en autonomie, à distance, grâce à ce livre en ligne, aux ressources mises à disposition sur Moodle et à votre ordinateur personnel. Cela signifie qu’en dehors des séances de TP où votre présence est obligatoire, vous devriez être en mesure d’avancer en autonomie lors de vos séances de travail personnel.

Si vous travaillez sur les ordinateurs de l’université, pensez bien à vous connecter à la machine virtuelle bio, sur laquelle les logiciels utiles sont déjà disponibles.

Progression conseillée

Pour apprendre à utiliser des logiciels comme R et RStudio, il faut faire les choses soi-même, ne pas avoir peur des messages d’erreurs (il faut d’ailleurs apprendre à les déchiffrer pour comprendre d’où viennent les problèmes), essayer maintes fois, se tromper beaucoup, recommencer, et surtout, ne pas se décourager. J’utilise ce logiciel presque quotidiennement depuis 20 ans et à chaque session de travail, je rencontre des messages d’erreur. Avec suffisamment d’habitude, on apprend à les déchiffrer, et on corrige les problèmes en quelques secondes. Ce livre est conçu pour vous faciliter la tâche, mais ne vous y trompez pas, vous rencontrerez des difficultés, et c’est normal. C’est le prix à payer pour profiter de la puissance du meilleur logiciel permettant d’analyser des données, de produire des graphiques de qualité et de réaliser toutes les statistiques dont vous aurez besoin d’ici la fin de vos études et au-delà.

Pour que cet apprentissage soit le moins problématique possible, il convient de prendre les choses dans l’ordre. C’est la raison pour laquelle les chapitres de ce livre doivent être lus attentivement et dans l’ordre, et les exercices d’application faits au fur et à mesure de la lecture. Une lecture passive et “en diagonale” ne sera pas suffisante. Il vous faudra taper du code pour reproduire les exemples et faire les exercices proposés.

Idéalement, voilà les étapes que vous devriez avoir franchies à chaque séance :

La première séance est consacrée à l’installation des logiciels, à la découverte de l’environnement de travail, des RProjects, des packages et des scripts. Cette séance doit aussi vous permettre de découvrir les objets les plus courants que nous utiliserons lors des sessions de travail sous R : les scalaires, les vecteurs, les facteurs et les tableaux de données. Avant votre deuxième séance, vous devrez avoir terminé le premier chapitre de ce livre, vous devrez être capables de créer un Rproject et un script, de télécharger et d’installer des packages, et d’exécuter des commandes simples dans votre script.
La deuxième séance est consacrée à la découverte des premiers jeux de données et du package ggplot2. Avant votre troisième séance, vous devrez avoir terminé la section 3.5.3 Exercices. À ce stade, vous devriez donc avoir compris comment charger en mémoire les jeux de données disponibles dans un package, vous devriez connaitre la syntaxe de base permettant de faire toutes sortes de graphiques avec ggplot2 avec une unique variable numérique. Vous devriez donc notamment connaitre plusieurs façons de représenter la distribution d’une variable. À terme, vous devrez être capables de choisir des graphiques appropriés selon le nombre et la nature des variables dont vous disposez, mais à ce stade, on ne demande rien de très complexe. Vous devriez toutefois être capable de créer des histogrammes (entre autres), de les décrire et de les interpréter.
La troisième séance est consacrée à la découverte de graphiques permettant de visualiser une unique variable catégorielle, ainsi que les relations entre plusieurs variables : 2, 3 ou plus. Avant la quatrième séance, vous devrez avoir terminé la section 3.10.3 Deux variables numériques et un facteur. Vous devriez donc être capable de faire, outre les graphiques de la semaine précédente, des nuages de points, des stripcharts, des graphiques en lignes et des boîtes à moustaches (ou boxplots). Vous devriez aussi être capable de distinguer deux types de représentations graphiques assez proches dans leur forme, mais fondamentalement différentes dans leur utilisation et leur interprétation : les histogrammes et les diagrammes bâtons : dans quelle situation utilise-t-on plutôt l’un ou l’autre ? Quel type de variable utiliser pour produire un histogramme ou un diagramme bâtons ? À quoi correspond l’axe des ordonnées de ces graphiques et comment est-il obtenu ? Enfin, vous devriez également être capable de faire des sous-graphiques par catégories (facet). Il s’agit là d’une possibilité extrêmement puissante pour “découper” vos données et visualiser les relations entre plusieurs variables.
Lors de la quatrième séance, vous apprendrez à améliorer la qualité de vos graphiques en vue de leur intégration dans un compte-rendu, un rapport ou une présentation. Vous verrez comment modifier le thème des graphiques, comment ajouter des légendes, et comment modifier les échelles choisies automatiquement pour vous par ggplot2. Vous devrez aussi commencer le chapitre 4 Manipuler des tableaux avec dplyr, et en particulier, vous devrez avoir terminé le chapitre 4.2.5 Exercices avant la cinquième et dernière séance de TP. Dans ce début de dernier chapitre, vous apprendrez notamment comment importer des jeux de données issus de tableurs ou de fichiers textes. Jusqu’ici, tous les exemples traités portent sur des jeux de données déjà disponibles dans R. Vous apprendrez donc ici à importer vos propres jeux de données, et à les mettre en forme pour pouvoir les utiliser dans R.
La cinquième et dernière séance est consacrée à la manipulation des tableaux de données. À l’issue de cette séance, vous devrez avoir atteint la fin du document, et vous devrez donc être capable de sélectionner des colonnes dans un tableau, de filtrer des lignes, et de créer de nouvelles variables. Vous devrez aussi avoir compris comment utiliser le pipe. Vous devrez être capables d’enchaîner correctement les étapes suivantes : ouvrir le logiciel > créer un Rproject > créer un script > mettre en mémoire les packages utiles > importer des données > mettre en forme ces données > faire un ou des graphiques informatifs et correctement mis en forme.

Attention au retard

Relisez régulièrement cette section (chaque semaine !) pour savoir si les objectifs fixés ici sont atteints et vous assurer que vous ne prenez pas de retard. Vous notez qu’il y a souvent 2 semaines ou plus entre vos séances de TP. Il est essentiel de travailler à ces contenus chaque semaine pour ne pas tout oublier entre deux séances…

Quelques mots sur les IA génératives

J’attire votre attention sur l’utilisation des IA génératives. La plupart des modèles conversationnels (Large Language Models, LLMs) tels que ChatGPT, Gemini, Claude… sont très bons pour générer du code. Je vous mets néanmoins en garde : si vous ne comprenez pas ce qui est expliqué dans ces pages, vous ne pourrez pas juger de la pertinence du code que les IA pourraient vous fournir. Vous pouvez donc vous faire aider par l’IA pour corriger votre code par exemple, ou pour obtenir des suggestions, mais il est de votre responsabilité de comprendre ce que vous faites et ce que l’IA fait pour vous ! Non seulement c’est ce qui vous fera gagner du temps à terme (acceptez de passer du temps maintenant, pour comprendre les notions et concepts, afin de gagner beaucoup de temps plus tard), mais surtout, c’est ce qui vous évitera de faire beaucoup d’erreurs ! Tout récemment, la plupart de nos étudiants de M1 ont utilisé l’IA pour calculer un indice statistique un peu exotique. Presque aucun ne s’est rendu compte que le code produit par l’IA ne faisait pas ce qui était demandé. Par conséquent, toute une partie de leur compte-rendu de TP n’avait aucun sens et ils ont donc été lourdement pénalisés à cause de leur confiance aveugle en l’IA. Produire soi-même un code, et demander l’aide de l’IA pour corriger un bug ou demander des améliorations précises, c’est très différent de ne produire aucun code et de demander à l’IA de tout faire. Dans un cas, on fait travailler son cerveau, et l’IA joue le rôle d’un partenaire qui fournit des suggestions souvent pertinentes. Dans l’autre, le cerveau reste au repos, on n’apprend rien, et donc, on perd son temps…

Vous devez donc faire preuve d’esprit critique vis-à-vis de ces outils, qui peuvent être très utiles, mais qui demandent la plus grande vigilance et qui se trompent régulièrement. Or, pour faire preuve d’esprit critique, vous devez être en mesure de comprendre le code fourni par ces IA. Si ça n’est pas le cas, reprenez les explications de ce livre en ligne : tout ce dont vous avez besoin pour réussir s’y trouve noir sur blanc.

Par ailleurs, si vous utilisez l’IA pour générer du code, vous devez l’indiquer clairement, et ça doit rester relativement rare. Quelle(s) partie(s) de vos scripts sont réellement de vous, et quelles parties ont été générées par une IA ? À votre niveau, je vous assure qu’il m’est très facile de savoir si du code a été produit par une IA ou par vous. Si vous n’indiquez pas que du code que vous intégrez à vos scripts n’est pas de vous, c’est de la fraude qui peut faire l’objet de sanctions importantes (passage devant le conseil de discipline de l’établissement par exemple). Donc encore une fois, vous pouvez utiliser ces outils, mais à la double condition (i) que ça soit fait à bon escient (assurez-vous que ce qui est produit par l’IA est pertinent, que ça a du sens, et que ça reste rare), et (ii), que vous indiquiez clairement dans vos scripts quelles lignes ont été produites à l’aide d’une IA (et laquelle).

Enfin, je me permets une dernière mise en garde. De plus en plus d’études démontrent un effet négatif de l’utilisation excessive des LLMs sur la qualité des apprentissages chez les étudiant·es. Par exemple, cet article (Stadler et al. 2024) montre que :

Bien que les LLM puissent réduire la charge cognitive associée à la collecte d’informations au cours d’une tâche d’apprentissage, ils ne favorisent pas un engagement profond avec le contenu étudié, pourtant nécessaire à un apprentissage durable et de qualité.

De même, Kosmyna et al. (2025) ont étudié, par électro-encéphalogramme, les performances cognitives de trois groupes de participants lors d’exercices de productions écrites (rédaction de synthèses scientifiques). Un groupe avait le droit d’utiliser les IA, un groupe était limité à l’utilisation de Google, un autre groupe n’avait aucun accès à ces outils numériques. Globalement, les participants du groupe LLM sont de loin ceux qui obtiennent les moins bons résultats, qui comprennent et retiennent le moins bien ce qu’ils ont fait. Ceux qui n’avaient droit à aucun outil sont ceux qui ont le plus appris, car ils ont dû s’investir pleinement dans l’exercice. En particulier, les auteurs soulignent ceci :

Les utilisateurs d’un LLM ont eu du mal à citer correctement leurs propres travaux. Si les LLM offrent une facilité immédiate, nos résultats mettent en évidence des coûts cognitifs potentiels. Sur une période de quatre mois, les utilisateurs d’un LLM ont systématiquement enregistré des résultats inférieurs aux niveaux neuronal, linguistique et comportemental.

Bref, ces outils sont puissants, ils sont parfois très utiles (et ils vont continuer de s’améliorer), mais ils doivent être utilisés intelligemment pour éviter des conséquences très contre-productives pour vos apprentissages. À vous de faire preuve de maturité et de discernement pour en tirer le meilleur !

Évaluation(s)

L’évaluation de la biométrie du semestre 3 sera assurée par Benoît Lebreton. Vous êtes susceptibles d’être interrogés sur tout ce qui est décrit dans ce livre en ligne.

Les exercices de ce livre en ligne ne seront ni ramassés, ni notés : ils sont proposés pour que vous puissiez mettre en application les notions récemment apprises et afin que vous soyez en mesure d’auto-évaluer votre propre progression et vos apprentissages. Ils doivent vous aider à mettre le doigt sur les choses que vous n’avez pas comprises afin que vous puissiez me poser des questions lors des TP ou par mail. Tout ce que nous voyons en TP devra être acquis à la fin des TP. Les TP de biométrie du semestre 4 (et des deux semestres de L3) supposent en effet que les notions abordées ici soient parfaitement acquises. En particulier, les étapes décrites précédemment doivent être maîtrisées (ouvrir le logiciel > créer un projet > créer un script > mettre en mémoire les packages utiles > importer des données > mettre en forme ces données > faire un ou des graphiques informatifs et correctement mis en forme).

La grille critériée suivante sera utilisée pour l’évaluation :

Licence

Ce livre en ligne est sous licence Creative Commons (CC BY-NC-ND 4.0)

Vous êtes autorisé à partager, copier, distribuer et communiquer ce matériel par tous moyens et sous tous formats, tant que les conditions suivantes sont respectées :

Attribution : vous devez créditer ce travail (donc citer son auteur), fournir un lien vers ce livre en ligne, intégrer un lien vers la licence Creative Commons et indiquer si des modifications du contenu original ont été effectuées. Vous devez indiquer ces informations par tous les moyens raisonnables, sans toutefois suggérer que l’auteur vous soutient ou soutient la façon dont vous avez utilisé son travail.
Pas d’Utilisation Commerciale : vous n’êtes pas autorisé à faire un usage commercial de cet ouvrage, ni de tout ou partie du matériel le composant. Cela comprend évidemment la diffusion sur des plateformes de partage telles que studocu.com qui tirent profit d’œuvres dont elles ne sont pas propriétaires, souvent à l’insu des auteurs.
Pas de modifications : dans le cas où vous effectuez un remix, que vous transformez, ou créez à partir du matériel composant l’ouvrage original, vous n’êtes pas autorisé à distribuer ou mettre à disposition l’ouvrage modifié.
Pas de restrictions complémentaires : vous n’êtes pas autorisé à appliquer des conditions légales ou des mesures techniques qui restreindraient légalement autrui à utiliser cet ouvrage dans les conditions décrites par la licence.